高盛Goldman Sachs部署其首个生成式AI工具

本文基于Isabelle Bousquette在2024年6月27日华尔街日报的专栏报道。

• Goldman Sachs部署其首个生成型AI工具，旨在提升代码生成效率。

• 通过将所有专有AI技术集中到内部平台，Goldman Sachs实现了更快的开发速度。

• 内部平台集成了多个AI模型，包括OpenAI的GPT-3.5和GPT-4、谷歌的Gemini以及Meta的Llama。

• 该平台支持对内部数据的安全微调，并确保数据隐私和合规性。

• 开发者使用该平台构建定制应用，例如为投资银行家开发的助手工具。

• 生成型AI工具GitHub Copilot提升了开发者约20%的效率。

Goldman Sachs（高盛）在2024年6月部署了其首个生成型人工智能（AI）工具，用于代码生成，预计将在月底前覆盖公司内数千名开发者。这一工具部署在一个内部平台上，该平台集中管理所有专有AI技术，并限制外部使用。这种集中化的策略虽然在初期可能会减缓速度，但长远来看，为公司带来了更高的开发效率。

Goldman Sachs的首席信息官Marco Argenti指出，公司选择将所有专有的AI技术集中在一个内部平台上进行管理，这一策略在初期可能会减缓公司的发展速度，但最终带来了更大的发展潜力和速度。

“采取这种集中化的方法显然有利有弊，”Argenti说，“可能一开始会让我们慢下来，但之后我们确实获得了很大的发展速度。”

这种集中化的策略对于Goldman Sachs来说，有几个显著的优势。首先，它能够确保所有的AI技术和模型都在同一个平台上进行管理和优化，从而避免了技术分散带来的重复开发和资源浪费。其次，通过集中管理，Goldman Sachs能够更好地控制和监控AI技术的使用，确保符合公司的安全和合规性标准。然而，这种策略也有一定的缺点，例如初期的实施和调整可能会影响项目进度，并需要克服内部对变革的阻力。

在这一策略的实施过程中，Argenti需要抵制那些希望快速推进的内部声音，并应对公司对禁止使用OpenAI的ChatGPT所带来的某些不满。

“我必须抵制那些希望更快推进的人，并处理公司内部对禁止使用OpenAI的ChatGPT所带来的一些不满情绪，” - Argenti

在技术变革过程中，内部阻力是不可避免的。Goldman Sachs在引入生成型AI工具时，需要在创新速度和安全性之间找到平衡点。Argenti的决策表明，公司在优先考虑数据安全和合规性的同时，也在积极推动技术创新。这种谨慎而平衡的策略，有助于在保证技术安全性的同时，逐步提升公司的整体技术水平和竞争力。

Goldman Sachs部署的首个生成型AI工具是用于代码生成的Microsoft GitHub Copilot。据Argenti介绍，该工具已经在公司内部广泛应用，提升了开发者约20%的效率。

“Goldman的生成型AI编码助手，Microsoft的GitHub Copilot，是公司迄今为止规模最大的AI应用。它提高了开发者约20%的效率，” - Argenti

代码生成是生成型AI技术的一个重要应用领域。通过自动生成代码，开发者可以节省大量的时间和精力，专注于更高层次的设计和优化工作。这不仅提高了开发效率，也有助于减少人为错误，提高代码的质量和一致性。Goldman Sachs通过引入GitHub Copilot，实现了这一目标，为公司内部的开发工作注入了新的动力。

Goldman Sachs的生成型AI平台GS AI Platform是从现有的机器学习平台发展而来，成为公司内所有生成型AI使用的单一入口。该平台还集成了OpenAI的GPT-3.5和GPT-4模型、Google的Gemini模型以及Meta的Llama模型。

“该平台使用了包括Meta平台的Llama在内的开源模型。根据不同的使用案例切换模型的能力是这种方法的一个关键优势，” - Argenti

GS AI Platform的构建不仅集成了多种领先的AI模型，还提供了灵活的模型切换能力。这种多模型集成的策略，使得Goldman Sachs能够根据不同的应用场景，选择最适合的AI模型，从而提升了平台的整体适应性和性能。此外，利用开源模型也有助于降低成本，提高技术的可持续性。

Goldman Sachs通过与OpenAI支持者微软以及谷歌的合作，使用了GPT-3.5、GPT-4和Gemini模型。这种多样化的模型选择使公司能够根据不同的应用场景选择最合适的模型。

“我们平台使用了包括OpenAI的GPT-3.5和GPT-4、Google的Gemini在内的模型，并且能够根据不同的使用场景切换模型，” - Argenti

与领先AI公司的合作，使得Goldman Sachs能够利用最新的技术成果，并将其快速应用于实际业务中。通过与OpenAI和Google的合作，Goldman Sachs不仅获得了技术支持，还能参与到前沿技术的研发过程中，确保在激烈的市场竞争中保持领先地位。

多模型集成使Goldman Sachs能够根据不同的使用需求切换模型，增强了平台的灵活性和适应性。这种策略不仅提高了模型的使用效率，还确保了在不同应用场景下的最佳性能。

“多模型集成使我们能够在不同使用场景下切换模型，增强了平台的灵活性和适应性，” - Argenti

多模型集成的优势在于能够针对不同的业务需求，提供最适合的解决方案。这种灵活性不仅提高了AI技术的应用效率，也使得公司在面对复杂多变的市场环境时，能够快速响应和调整策略。此外，多模型的使用还可以通过交叉验证，提高预测和分析的准确性。

内部平台允许Goldman Sachs在安全且符合监管要求的方式下，对模型进行内部数据的微调。这确保了模型在特定应用中的准确性和可靠性，同时保护了数据隐私。

“内部平台还允许我们在安全且符合监管要求的方式下，对模型进行内部数据的微调，” - Argenti

在金融行业，数据安全和合规性至关重要。Goldman Sachs通过内部数据的微调，不仅确保了AI模型的高性能和高准确性，还保护了客户数据的隐私和安全。这种做法符合严格的金融监管要求，提升了公司在数据管理和使用方面的信任度和信誉度。

平台内嵌的控制措施确保了模型不会向不应该访问的员工提供数据，从而保护数据的安全性和隐私。

“平台内嵌的控制措施确保模型不会向不应访问的员工提供数据，”- Argenti

为了确保数据安全，Goldman Sachs在平台中嵌入了严格的控制措施。这些措施不仅防止了数据泄露和滥用，还确保了数据的合规性和透明度。通过实施这些安全控制，公司能够更好地管理和保护其数据资产，提升了整体的数据治理能力。

一些Goldman Sachs员工可以直接访问平台，与各种模型交互，开发定制应用。例如，为投资银行家开发的助手工具可以搜索大量的公共和专有文档来回答问题和提取分析。

“开发者正在利用它在模型之上构建定制应用，例如为投资银行家开发的助手工具可以搜索大量的公共和专有文档来回答问题和提取分析，” - Argenti

生成型AI技术在金融行业的应用前景广阔。以投资银行家的助手工具为例，该工具通过搜索和分析大量的文档数据，为银行家提供精准的答案和分析。这不仅提高了工作效率，还帮助银行家更快地获取和处理关键信息，从而在激烈的市场竞争中占据优势。

平台的另一个优势是能够更快地构建更多应用。例如，资产管理的助手工具可以在很大程度上依赖于投资银行家的助手工具，所有的安全防护措施从一开始就已内置。

“开发者不必从零开始每个应用——资产管理助手可以在很大程度上依赖于投资银行助手，所有的安全防护措施从一开始就已内置，” - Argenti

生成型AI平台的一个重要特点是其模块化和可复用性。通过在投资银行助手的基础上开发资产管理助手，Goldman Sachs能够快速扩展AI工具的应用范围，同时确保所有应用都具备相同的安全和合规标准。这种方法不仅节省了开发时间和成本，还确保了不同应用之间的一致性和可靠性。

尽管生成型AI的预算目前在技术预算中占比较小，但Argenti预计未来会有更多的资金投入。Goldman Sachs将继续专注于技术创新和用户体验的优化，确保系统能够有效处理用户请求并提供优质的服务。

“AI是一个新事物，安全和责任绝对是我们的首要任务。”

随着生成型AI技术的不断发展和成熟，Goldman Sachs将进一步加大在这一领域的投入。未来，公司将继续推动技术创新，优化用户体验，确保AI系统能够在安全和合规的前提下，提供高效、可靠的服务。这不仅有助于提升公司的技术实力，还将为客户带来更好的使用体验。

虽然生成型AI目前在技术预算中占比较小，但未来可能会有更多资金投入。Argenti表示，这并不是一夜之间转移资源，而是逐步增加对AI技术的投入。

“生成型AI在技术预算中占比较小，”Argenti说，“这不是一夜之间转移资源，而是逐步增加投入。”

生成型AI的投入将逐步增加，而不是突然转移资源。这种稳步推进的策略，既确保了现有业务的平稳运行，也为新技术的引入和应用提供了充足的准备时间和资源。随着AI技术在金融行业的应用越来越广泛，Goldman Sachs有望在这一领域取得更大的突破和成就。

结语

Goldman Sachs通过部署其首个生成型AI工具，展示了在技术创新和应用上的前瞻性思维。通过集中化管理AI技术并确保数据安全和合规性，Goldman Sachs不仅提升了开发效率，还为未来的技术发展奠定了坚实的基础。

如果您对人工智能和金融科技感兴趣，欢迎持续关注我们的公众号，获取更多最新资讯。欢迎在评论区分享您的看法和讨论，我们期待与您交流。